Question

这些天，我已经从Matlab转到了NumPy / SciPy。

今天，当我尝试加载以“二进制格式”存储的数据时遇到了一个奇怪的问题。音频数据以 4字节单精度浮点数格式存储。我先尝试了以下内容。

data = np.fromfile('out.raw', dtype=float) # This is wrong
plt.plot(data)

但它没有用。经过一些搜索，我尝试了以下内容，它按预期工作：

data = np.fromfile('out.raw', dtype=np.float32) # This is okay.
plt.plot(data)

根据我以前使用C / C ++的经验，我曾期望“float”是一个4字节的单精度浮点类型。但事实证明浮点数是8字节数据，在上面的例子中，我应该使用np.float32。

我有两个问题。

Q1 即可。 为什么浮点数是8字节而不是4字节，这可能让C / C ++程序员感到困惑？

Q2 即可。 为什么我不能使用dtype = float32。这会给我带来错误。我好像应该使用dtype = np.float32？

谢谢！

Answer 1

这是因为float是一个本机Python数据类型，它有一个底层的C-double。这是来自Python核心，而不是来自 numpy 或 scipy 。

numpy and scipy类型更具体，更符合您的期望：

bool_   Boolean (True or False) stored as a byte
int_    Default integer type (same as C long; normally either int64 or int32)
intc    Identical to C int (normally int32 or int64)
intp    Integer used for indexing (same as C ssize_t; normally either int32 or int64)
int8    Byte (-128 to 127)
int16   Integer (-32768 to 32767)
int32   Integer (-2147483648 to 2147483647)
int64   Integer (-9223372036854775808 to 9223372036854775807)
uint8   Unsigned integer (0 to 255)
uint16  Unsigned integer (0 to 65535)
uint32  Unsigned integer (0 to 4294967295)
uint64  Unsigned integer (0 to 18446744073709551615)
float_  Shorthand for float64.
float16 Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
float32 Single precision float: sign bit, 8 bits exponent, 23 bits mantissa
float64 Double precision float: sign bit, 11 bits exponent, 52 bits mantissa
complex_    Shorthand for complex128.
complex64   Complex number, represented by two 32-bit floats (real and imaginary components)
complex128  Complex number, represented by two 64-bit floats (real and imaginary components)

如果您的问题是关于为什么核心Python在底层C类型为float时使用术语double，那么答案是Python尝试比低级语言更高级别的抽象与C类似。术语float表示浮点数的概念，而不是指定大小的特定C类型，例如float或double。

相比之下， numpy 允许对精确大小和内存布局进行更低级别的控制。这是其优化的关键。然而，这些优化和控制细节的能力的代价是将代码从高级抽象中移开，而你正在尝试做什么＆＃34;进入＆＃34;指定如何完成的细节＆＃34;。

为什么python“dtype = float”是8字节而不是4字节？

1 个答案: